无需遍历列：如何实现Pandas DataFrame列与匹配字典值相乘？

原始数据定义 #

import pandas as pd
df = pd.DataFrame({
    'category': [1,2,3,4,5],
    'a': [5,4,3,3,4],
    'b': [3,2,4,3,10],
    'c': [3, 2, 1, 1, 1]
})

lookup = {1:0, 2:4, 3:1, 4:6, 5:2}

原遍历实现 #

你原本通过遍历列的方式完成需求：

for t in df.columns[1:]:
    df[t] = df[t].mul(df['category'].map(lookup)).fillna(df[t])

无遍历的简洁实现 #

可以利用Pandas的广播特性，一次性对所有目标列完成操作，无需遍历：

# 生成category对应的字典映射值
map_values = df['category'].map(lookup)
# 对除category外的所有列执行乘法，保留原列值填充NaN
target_cols = df.columns.drop('category')
df[target_cols] = df[target_cols].mul(map_values, axis=0).fillna(df[target_cols])

更精简的写法 #

如果追求代码紧凑，也可以合并为一行逻辑：

df[df.columns.drop('category')] = df.drop('category', axis=1).mul(df['category'].map(lookup), axis=0).fillna(df.drop('category', axis=1))

原理说明：Pandas中DataFrame与一维Series进行运算时，会自动沿行方向广播，让Series的每个值匹配对应行的所有列值完成乘法，省去了手动遍历列的步骤。

内容的提问来源于stack exchange，提问作者mweber